国际期货大会实录：金融科技与衍生品市场发展论坛
国际期货大会实录：金融科技与衍生品市场发展论坛
时间： 19:58:04 来源：第12届中国（深圳）国际期货大会
分论坛：金融科技与衍生品市场发展论坛时间：日 14：00-18：00地点：深圳五洲宾馆 A座二层 五洲厅西区实录内容：主持人：各位领导、各位来宾，下午好！&&& 我们金融科技与衍生品市场论坛现在开始。这个论坛由中国期货业协会主办的，我们国泰君安期货和兴业银行承办。今天我们很荣幸的邀请到了中国区块链基础协议联盟的白硕主任参加这个会议，欢迎白主任。我们还邀请到了中国金融期货交易所副总经理戎志平先生参加我们的会议，欢迎！还从美国邀请到了美国全国期货协会监管部总经理Michael Abramowitz先生，高盛公司的Steve Repasky先生也参加我们的论坛，欢迎！同时欢迎国内著名的恒生电子执行总裁范径武先生。&&& 下面，有请国泰君安期货总裁王桂芳女士致欢迎次，有请王女士！王桂芳：各位来宾，女士们、先生们，下午好！&&& 金融科技顾名思义，是金融和科技的高度融合，涵盖了大数据、区块链、云计算、人工智能、智能投顾等诸多领域，无论是华尔街的著名投行还是硅谷的科技巨头，当然也包括中国最具前瞻性和有实力的一些机构，都积极投入了金融科技。巨额资本的涌如，让科技金融类投资成为全球增长最快的领域。从成立的那天起，国泰君安期货在证券母公司支持下大力进行金融科技的投资，每年投入都是数以千万元计。&&& 国泰君安在行业内领先搭建了大数据平台，首家推出个性化数据产品，首个为零售业务板块构建数据驱动的业务运营指标体系。率先在风险管理业务上运用大数据思维，因此，金融科技成为了国泰君安继合规经营以后又一项核心竞争力。&&& 乘着金融科技快速发展的东风，我们快速响应中国期货业协会的号召，很荣幸承办本次金融科技与衍生品市场论坛。我们非常荣幸的邀请到了中金所的戎志平总，中国分布式总账基础协议联盟的白硕总，还有恒生的范径武总，还有区块链专家，他们在智能投顾和金融创新做主题演讲。在圆桌讨论环节，我们邀请了来自国内四家交易所的技术公司，国泰君安证券、兴业银行、中信期货等公司的老总，请他们分享和交流金融科技对衍生品市场创新、竞争和风险的影响及挑战，包括市场特别关注的热点话题。&&& 国内大部分地区已经进入冬天，在12月份的周末，我们有幸相逢在温暖如春的深圳，共同参与金融科技与衍生品市场论坛，希望本次论坛带给各位金融科技更深刻的理解、更专业的启发，以及更美好的未来。&&& 最后，祝本次论坛圆满成功，祝各位来宾身体健康，万事如意，谢谢大家！主持人：谢谢王总。带着国泰君安期货以及兴业银行的美好期望，进入主题演讲阶段。&&& 第一位演讲嘉宾是中金所的戎志平总。戎志平总先后在国家开发银行和中债负责信贷交易，2012年进入中金所，曾经管过中金所的技术公司，对金融科技应该有着比较深刻的理解。下面有请戎总。戎志平：谢谢协会，谢谢国泰君安的各位朋友给我们这么一个机会。今天对我来说是一个很有挑战性的命题作文，我理解咱们国泰君安的主办方是想考一考我们交易所在金融科技革命面前是怎么理解、有什么行动。&&& 其实这个问题会前我跟同事在交流，这个事情大家都是一头雾水的事情，你说现在勾画成非常清晰的前景也非常难。既然主办方给我们一个命题作文，我就试着给大家抛砖引玉，谈一谈我们自己的一些看法和想法，跟大家做一个交流，希望大家提出宝贵意见。&&& 这个事情我看不太清，我们就梳理一下交易所的业务，以及市场业务发展的历史逻辑。回顾一下历史，我想可能会找到一些线索，所以第一部分先做历史的简单回顾。然后讲一下我们在业务上的理解和一些做法。&&& 首先，我们回顾一下金融市场或者交易所市场发展的历史。&&& 从1602年，世界上第一个股票交易所在阿姆斯特丹成立，交易所已经有了400年历史。最早原始的交易方式是人和人之间的交流，更多是在咖啡馆里交易。从信息传递和处理的方式来看，当时还是人和人之间的口耳相传，远距离的信息传送主要靠动物，靠马、信鸽来实现。&&& 历史上曾经有过一个著名的案例，1815年拿坡仑和反法联盟作战的时候，在滑铁炉战败的时候，在伦敦最早知道信息的是罗斯查尔德的家族，他们直接用信鸽传回了拿坡仑战败的消息，在市场上立即进行买进英国国债，因为这次战争确立了英国在欧洲的霸主地位，所以信鸽是比较快速的方式。&&& 19世纪有了电话和电报，信息传递是革命性的，从信鸽、马匹到了电磁波。从这次信息传递方式的革命，对金融市场也产生了非常大的影响。在这之前，英国的这些工业城市和大的中心城市都有自己独立的交易所，但是随着电话、电报的出现，大量交易所都消失和合并，最后集中到伦敦。金融科技的发展、信息技术的发展，对交易所生态竞争的格局和业态都会有非常大的影响。&&& 到了上世纪80年代，我们交易市场首次引入了计算机，计算机不仅成了信息终端，而且成了一个风险管理的重要工具，也是交易所交易处理的重要工具，也是一个革命性的进展。&&& 90年代以后，交易所开始普遍采用电子化的交易平台。过去的喊价类交易，大厅逐渐被被取代，计算机直接可以下单到市场，新的交易方式也给市场带来新的风险。最有名的是1987年10月的黑色星期一，这是完全电子化交易市场的崩溃。计算机的发展使物理距离不再是障碍，也看到了促进和整合。最近我们看到交易所从全世界范围看，或者从地区、国家来看，都是更加集中、更加全球化的趋势。&&& 最近20年，我现在又有一些技术上的不断进步，一个是互联网技术逐渐的成熟，尤其是像我们的移动支付技术正在逐渐的普及，移动支付把每一个人都纳入了巨大的信息网络，既是信息的生产者，又是信息的使用者，这对我们市场也会产生颠覆性的变化。&&& 现在大家谈的比较多的是金融科技或者金融科技的革命。刚才王总也讲了很多新鲜的名词，云计算、大数据、人工智能、区块链，这确实是一个非常大的变化，应该说这个变化不仅冲击我们金融市场，也冲击了社会的方方面面。&&& 上个礼拜在上海成立了一个能源交易中心，发改委的同志讲数据中心的耗电量已经成为社会中增长最快的部门，Alphago的比赛造成全国耗电量快速的增长，我们要应对这个事情。&&& 从历史来看，金融科技是推动交易所变革的一个动力，一方面提升了金融市场的效率，二是改变了交易所运营方式，三是促进交易所的竞争和整合，所以从这几个方面，我们也理解交易所未来发展的方向。&&& 下面谈一下金融科技对我们交易所的影响，以及我们理解的基础上做的工作。&&& 首先，我们理解金融科技对市场的影响主要体现在几个方面，有这样几个特点。第一是更大，数据量更大，应用场景和用户量增大，海量数据多层并发，数据量压缩成TB级。第二是更快，金融数据更快的交易，超高速的计算机，由秒级到毫秒级或者微秒级。第三是更聪明、更智能化，机构更多采用程序化交易，量化投资策略、统计套里策略进行交易，由经验决策级别跃设至人工智能，现在各个方面都在追逐人工智能的技术。&&& 从数据来看，交易所也感觉几个特点非常明显：一个是交易单笔规模越来越小，整体交易规模越来越大，数据量呈几万倍增长。我们金融期货市场高频数据发布是毫秒或者微秒级的，包括会员公司数据和计算数据等等，每天累计的数据达到TB级别，所以数据非常大。&&& 当然，由于系统问题，带来的市场风险也越来越高了。我们大家都知道过去一些著名的案例，像Knight Capital乌龙事件，2012年8月，系统出现问题导致45分钟损失4.4亿美元，引发交易所上百只股票剧烈波动，短时间内成交几百万笔，成交数量非常庞大。所以我觉得，如果技术使用不当，无论对市场机构还是对整个市场稳定运行，都会带来巨大的风险，这也是我们交易所非常关切的一件事情。&&& 从交易所的业务发展来看，我们觉得大概是几个方面，数据量更大、速度更快、更加智能化。我们的方向是，一个是处理数据的规模不断提升，有获取大数据的查询分析平台。第二是要实时化的推进，建立实时交易、实时清算，实时进行风险评估和监控，为一体的服务平台。第三是更加智能化，我们引入智能分析、智能决策、自动化处理，包括行为和预测算法等智能数据分析方法用于交易和风险管理。&&& 交易所的数据现在涉及的面也是相对比较广的，既有结构化数据，也有非结构化数据。结构化数据包括行情、交易数据、结算数据、会员客户数据，尤其是跨股票市场的数据。还有非结构化的数据，特别是交易所比较关注的舆情信息、社交网络信息、实时新闻、财经数据、研究报告等等，这都是我们要处理的对象。这些数据的处理，交易所就需要有一个平台，能够对数据加工处理，能够支持模型分析，这是我们指标的回归测试（见PPT），这是我们智能可视化的处理，后面是我们专题的学习。&&& 另外，我们中金所也在探索技术的领域，一个是围绕怎么更快、更大、更智能化探索一些核心的技术。像我们的GPU技术、FPGA技术，包括FIB总账改造，分布式数据流计算引擎、内存数据库等等，这样技术的应用对我们的业务会产生一些推进作为，包括异常交易监控，我觉得这是非常适应大数据的应用和人工智能应用的场景的。再一个是市场风险实时的评估，包括实时指标的计算、实时的预警。过去传统的技术要得到实时化是有一定困难的，但是现在有了高速的计算技术和高速的通讯技术，有可能离解决不是很遥远了。&&& 这是刚才讲的人工智能做交易的合规和监察（见PPT），这是非常有前景的。&&& 交易所的变革主要体现在几方面：&&& 第一是交易层面，我们的系统性能是交易所倾力打造的核心竞争力，通过新技术、领先交易系统的订单处理容量可以达到每秒数十万笔，系统延迟缩短到数十微秒，大幅度降低交易者的订单执行风险，并提高了市场定价效率。交易所要能够应对大量的订单。&&& 第二是清算层面，保证金计算要从名义本金固定比例到CME的SPAN系统，再到主流的基于历史险值的改进系统，技术进步不仅增强了中央对手方风控水平，而且降低了客户交易成本。我们中金所在做准备工作，已经做了两年了，技术上也相对比较成熟了。&&& 第三是结算层面，今天区块链为代表的去中心化数据库有可能再次改变模式。&&& 第四是监控层面，我们认为人工智能和机器学习技术正在成为交易所保障网络安全、侦测违规交易的新工具。人工智能技术能够从海量访问数据中识别出攻击者的行为模式。&&& 第五是服务层面，通过移动端APP，客户不仅能够获得实时报价和订单薄深度信息，还可以协商大宗交易、展示交易策略绩效、定向发送询价信息。我们在建立大型的中心，估计两年之后可以为大家服务。&&& 第六是分析层面，我们积极探索大数据处理技术，从海量数据中挖掘有价值信息，通过友好的图形界面提供一站式报告服务，按用户的个性化需求自动生产统计的研究报表。&&& 在金融科技大爆炸的发展过程中，交易所特别重要的是要权衡创新和风险，特别是要评估新的科技给交易所从技术层面、业务层面带来的新风险，只有能够清楚的识别这些风险、控制这些风险，才能够真正推进科技的应用，才能不断提升交易所的服务能力和服务水平。&&& 总之，金融科技不仅改变了交易者的交易方式，也改变了交易所运营的方式。作为交易所来说，既要能顺应金融科技发展的潮流，关注新技术的市场效率、市场稳定带来的影响，防范市场风险，不断提升交易的组织和监管能力，这也是我们今后努力工作的一个方向，希望继续得到各位市场同仁的支持。&&& 谢谢大家！主持人：谢谢戎总。戎总的演讲使我们意识到，金融科技不仅大大提升了交易所的效率，而且改变交易、结算以及市场监测和风险管理的运营方式。给交易所的监管带来了挑战，这是交易所市场层面。在更高的层面，比如说政府层面、国家层面，金融科技又能带来什么影响和挑战呢？下面，我们欢迎美国全国期货协会市场监管部总经理Michael Abramowitz先生给我们做演讲，欢迎！Michael Abramowitz：各位下午好！&&& 首先非常荣幸能够来到这里，我叫Michael Abramowitz，我是来自美国全国期货协会的。今天和大家讲一些金融科技的趋势，从自我监管的角度来跟大家分享一下，以及讲一下技术内部的一些事情。&&& 首先看一下背景，看一下我们协会的一些背景。我们协会是一个自律组织，针对美国衍生品市场，我们有两个功能，一个是合规方面，另外是市场法规和监管方面。合规方面主要给我们的成员实施一些规则，监控他们的合规，包括一些经纪人等等。我们还有一些市场监管，主要是看市场上交易的实践和市场的监控服务等等，我们基本上就监控交易方面的违规的问题。&&& 我们部门是市场监管部门，主要是做互换执行设施，主要是包括数据系统，主要做系统检察，以及商业技术，同步数据链路控制协议来做。&&& 下面跟大家讲一下衍生品市场金融科技的趋势，以及这个过程中我们到底吸取了哪些经验和教训。&&& 通过这两个图（见PPT）可以看到金融科技的总的概述，下面的趋势跟衍生品市场是有相关的。具体来说，我们有区块链创新，有ATI（音）市场发展，还有反洗钱的工具，同时有人工智能、机器学习，以及我们在网络安全方面也有更多创新。在理财方面，我们有智能投资、理财顾问，资本市场有交易创新，还有交易分析相关的工具。&&& 说到运营和技术设施方面，这些都是一些创新，让流程更加线性化，我们市场交易决策由交易方做，作为自律组织来说我们能够更好的了解这些技术，同时能够了解他们对市场有什么影响，对整个衍生品的生态圈有什么影响。我们看一下市场是怎样演进的，确保市场有好的发展。&&& 网络安全是非常重要的，尤其是基础交易越来越电子化，这也是越来越重要的。不仅是自己的主题，包括保护主题、保护系统也是非常重要的金融方面的科技，必须很好的发展。&&& 说到理财方面，智能投资理财顾问方面在衍生品市场，大家现在也经常讲这个趋势。理财顾问也是给客户提供服务，总的是想让客户成本更低。我们智能投资顾问也是在传统资产方面考虑，包括要保护客户的基金，确保客户能够了解他们买什么样的产品，包括防止反复买卖的风险等等，金融科技肯定可以消除掉欺诈的问题。&&& 在市场交易侧也有很多创新，包括API和互联性等等，让很多交易所和市场参与方成为高科技类的公司，有很多交易协议方面的创新，尤其是在OTC场外市场交易方面，市场数据能够更好的进行决策，这改变了整个衍生品市场的发展。从自律组织的角度来讲，这也是非常重要的，我们要了解新的产品、了解新的交易协议以及相关的风险，我们希望确保这个系统能够监控这些市场，能够分析新的交易协议和新的产品，同时把高频交易的数据获取到，要确保数据更合适，我们可以分析这些高频的交易，要确保我们的规则能够解决这些问题，包括一些欺诈的问题等等。&&& 作为一个自律组织，我们不只是一个金融方面的监管机构，同时也是用户。随着新科技的出现，跟大家讲一下我们怎么利用金融科技进行分析。&&& 有了这些解决方案，我们要好好想一想。我们金融科技针对监管技术方面有两个，一个是创新，一个是技术。我们先考虑愿景，脑子里面要想你想实施什么系统、什么解决方案，可以看到哪些解决方案可以帮助你实现愿景，通过愿景来驱动技术的实施。第二是以技术为先的理念，随着系统的出现，看一下这怎么能结合到系统里面，可以出现哪些新的愿景，我们一般是做以愿景为先的企业。&&& 跟大家讲一下我们自己研发的系统，跟大家讲一下我们这个系统是怎么研究出来的，包括有什么挑战。我不会讲细节，因为这不是今天的目的，最重要的是让大家了解，我也很高兴做这样的工作。&&& SEF Rules目的是促进市场的透明度，包括OTC透明度和衍生品市场，这跟之前的系统不一样，更多是有一些互换措施的执行，希望有更多协议执行。在美国目前有23个SEF，大家希望获得更多份额，有些侧重资产，有些侧重市场。有一些需要交易我们要求的产品，还有一些产品不是强制的，但是在这上面也是允许的，我们的系统可以进行相应的产品线调整。当然这也会给我们带来一些挑战，一会儿会跟大家讲有哪些调整。&&& 说到市场，有两个图可以来定义（见PPT），一个是三角形，一个是圆圈的。三角形在OTC市场有很多产品，对于流动性的方面，我们希望促进他们的进行。这里有各种各样的产品，我们希望融合到系统里面，大家看到这里有不同的资产类别，我们要实施系统需要面临很多挑战。后面这是另外一长圆圈图，你需要有Client to deal和interdealer，右边是交易商之间进行，帮助他们进行风险的对冲。&&& 说到交易协议，有各种各样不同的交易协议，我们需要融合在系统里面，比如说报价请求RFQ，或者中央委托限价记录CLOB等等，这里不一一介绍了。我们确实会面临很大挑战，开发一个系统把预交易的结合在一起，之前没有做过，针对我们现有的系统是具有挑战的，我们需要把它面向期货市场，这是非常重要的。&&& 说到美国全国期货协会，我们也是像第三方服务提供商，我们也提供监管方面的，包括市场监控，确保他们能够履行职责。我们的项目包括收集一些交易数据，可以进行查询，通过我们自有的系统来反映，可以看到潜在交易的滥用，我们调查人员可以代表我们进行调查，然后给SEF提出建议。SEF是负责他们自己接下来到底该怎么去做。我们总共有15个比较活跃的SEF的客户，这也是大多数SEF市场的客户，我们最大的市场挑战是怎么定义数据模型，它可以处理各种各样的交换模型和交换协议。说到互换的产品，我们看一下到底有什么样的数据，包括怎么收集现有的数据，同时要处理各种各样不同的产品交易协议，横跨不同的市场，他们都是具有独特性的。&&& 屏幕上的图大家可以看一下（见PPT），我们能够创建很多东西，这是一体化的OTC的市场，大家可以看到是否有潜在交易滥用和偏差。这里面还有一些工具，包括可以把利润的互换标准化。&&& 刚才讲了我们的开发系统怎么用，下面告诉大家金融科技的开发到底有哪些教训，尤其是大数据方面，主要讲三方面，首先是数据建模，第二是质量保证，第三是数据分析。&&& 说到数据建模，告诉大家我们怎么定义模型。对我们非常重要的是定义有什么问题，然后解决这些问题。我们构建大数据系统，避免先收集数据，然后再收集问题，然后再解决问题，我们觉得这样做是不合适的，我们不能只是为了要数据而要数据。我们希望做的是先把问题限定出来，然后往回倒，看需要用什么解决这些问题。然后看这些问题在什么地方，数据是什么形式，结构化还是非结构化的数据，以及它的布局是什么，你需要什么格式。我们需要交易前和交易后的参与方数据、产品数据，需要定义非常清晰的数据模型，让我们能够比较不同市场的交易，也可以把第三方数据提出来，可以计算一些曲线，可以看到到底有什么样的交易。&&& 利用标准也是非常重要的，我想对于各位也是一样的，从白手起家来说是非常重要的，我们要利用标准。OTC的标准化目前是婴儿期，但是要构建系统就需要利用现有标准来进行更好的发展，包括一些金融产品，要来定义一些产品的术语。我们需要利用这样的一些标准，而且在美国这边也需要定义交易前的数据标准。另外，包括掉期的ID，以及法人实体的ID等等，这些也是我们现在在整个数据行业可以看到的，大数据行业现在也有许多标准需要我们制定。而且，当一切变得标准化的时候，我们就会把它放进系统里。在我们的经验里面，我们用现有的标准，不仅可以帮助我们定义原始的数据模型，随着这个标准的改变，我们也可以看一看自己的系统，然后能够跟整个行业与时俱进。同时，我们也跟行业一起合作，这是非常重要的。其实对于监管来说，他们构建自己的系统，同时也需要跟产业界进行合作，因为如果我们监管的数据能够跟行业更加接近，这个数据产生的质量就会更好，我们就能够跟市场的从业者有更好的合作。不管是商业的系统还是监管的系统，我们不能够只是自己数据的孤岛，我们的数据必须跟整个业界现有的标准能够匹配和一致。&&& 当然了，具体要收集什么样细节的数据是很难去决定的，但是对我们来说，更为重要的是坚持以解决核心的问题为主。我们从狭隘的层面、更加详细和关注的层面来关注这些问题，每一个收集的数据代表的也是成本，包括人员的成本，也包括我们从机构收取数据本身所要付出的成本，以及我们组织内部要花的成本。在收集数据的过程当中，确实也是需要我们去支付这些成本的。&&& 在质量品质保障方面，系统确实非常重要，要确保它的质量。大家讲到技术系统的时候，很多时候忘了质量的重要性，但是对于我们来说，我们非常重视，要检查系统的缺陷和数据的缺陷，并且要及时的修正。我们有自动的流程和手工的流程，自动的流程是我们会自动检测进来的数据的质量，如果进来的数据质量不能满足要求，我们会拒绝这个数据。如果在人工的过程中发现有缺陷的数据，我们也会及时的把它剔除，所以我们会采取一些主动积极的方法，我们会制定一些参数。首先是关于这个数据的缺陷，一般数据缺陷或者系统缺陷需要有三步，首先要描述它的故障是什么，并且要描述如何制造这样的一种故障和失误，然后我们会进行重要性的排序，然后再把问题跟我们自己内部的模块进行匹配。当然了，在这个过程当中有一些是我们自己能够管理的故障，有一些是需要外部供应方来帮忙解决的。我们要看为什么这个数据对我们的系统如此重要，它出现了什么样的错误，然后会跟外部的供应商一起来解决这个问题。因为我们不会一口吃下一个大象，而是会按照时间或者按照整个项目的进程来分几步，然后一步一步的解决系统的质量和数据质量的问题。&&& 我们收集到数据可以用到什么工具呢？基本上所有这些工具都是我们内部自己开发出来的，可以进行数据分析，也包括数据库的系统统计包，还有可视化包。数据库需要搜集所有的数据，这些数据我们会放在这样一个地方，这个数据库可以帮助我们进行数据的挖掘和数据的清洗。在数据包、统计包方面，包括Matlab、R和Python等等，这是我们组织内部用到的统计工具。在统计包方面，我们包括WebFocus这样的工具，还包括D3、DyGraphs，这些都可以帮助我们产生金融的数据，并且以非常形象的方式展示给客户看，所以我们购买的这些工具和我们自己开发的这些工具都能够帮助我们更好的来分析这个数据。并且，所有这些工具确实能够帮助我们以一个非常高水平的编程语言来进行数据分析的，我们不想浪费时间在执行的过程当中，我们更为关注的是一开始的设计。当然，我们也会从像彭勃（音）等等第三方来购买第三方的数据。&&& 最后，看一下具体开发什么工具，用什么工具来衡量。我们有很多点子来开发，我们决定开发什么样的工具，首先要看哪一些项目更重要、更紧急，进行重要性、紧急性排序，包括要看监管需求、客户需求，或者跟组织目标一致，这个项目可以不断的扩展规模和推广，以及这个需求是否能够进行评估等等，我们用这样一种客观标准来制定评分系统，得分最高的是我们要花大量时间来开发的项目。&&& 对于用户，作为一家自我监管的组织，我们愿意不断的改善我们的技术和数据分析的能力。当然我们也可以看到，现在最后金融科技的发展，当然也存在一些欺诈的风险，我们当然希望能够更好的管理和评估好这个风险。其实我们可以看到，对于技术本身，我们有不同的视角，对我们来说，我们必须要有一个清晰的视野。对于这个系统和解决方案，我们看一看新兴的技术是否可以用到我们的项目执行当中。&&& 谢谢大家！主持人：感谢Michael。为了保障市场的透明度和公平，美国全国期货协会以愿景为先的理念，采用金融科技来监管金融科技带来的影响和挑战。&&& 区块链是我们当前最热门的话题，下面的演讲有请中国分布式总账基础协议联盟的白硕主任来给我们讲一下区块链在衍生品市场的应用前景展望。白总以前是上海证券交易所的总工程师，在我们IT界大名鼎鼎，下面有请白总。白硕：各位朋友，下午好。&&& 今天跟大家分享一下区块链和场外市场的关系。衍生品的场外市场其实是一大块，只不过在国际上是这样子，在中国可能还不是这样子，这里面如果发展起来机会是蛮多的。重新建立一个场外市场和继承现有的场外市场是不一样的，因为我们是断代发展，现在有了更多技术上的选择，区块链实际上在今天的条件下是从头构建场外市场的一个选择，今天就跟大家分享一下这里面到底怎么做。&&& 我们介绍场内市场、场外市场和China Ledger在场外市场做了哪些工作之前，我们先看一看区块链最新的进展。&&& 区块链从比特币开始算，发展也有八九年时间了，但是真正进入金融主战场的视野时间并不长，大概也就是2013年突然热了一下，大家才注意到还有这样一个东西，大家以为就是比特币，以为比特币翻不起大浪，但是有人从比特币里面抓出了区块链的核心技术，说底层技术，它也并不是那么底层，它是应用，对于金融基础设施来说是一个底层。&&& 我们看到三个情况：第一个情况，民间的数字货币的社区，我们叫币圈，和金融主站长链圈，这两个是对进，那边有了货币，在寻求货币的资产端和其他应用；那边是拿你的平台从外围来，先不碰货币，逐渐往里面走，一会儿给大家看一张图就知道了。&&& 我们也看到，不同的联盟正在融合，一个典型的就是国际上区块链的两大联盟组织，一个是Hyperledger，另外是R3 CEV，在11月的月底刚刚开源了最新的代码和技术白皮书。Hyperledger是IT大咖的联盟组织，不仅有顶级的联盟组织，还有顶级的区块链公司。R3是顶级的业务大咖的联盟组织，金融主战场上潜在的应用单位，包括大的银行、大的保险公司，很多都加入了R3。我们已经看到，这呈现了融合的迹象，R3开源出来的系统叫Codar（音）。在国内也有同样融合的趋势，不说研讨的，就说干活的，两大联盟组织在我们深圳当地金链鹏（音），还有在上海和北京，当然也有深圳的成员单位，我们叫China Ledger，也就是我所在的这样一个组织，这两个也出现了合作和融合的态势。前不久，金链鹏的核心单位微众银行加入China Ledger作为观察员，而China Ledger的核心单位万象区块链实验室也加入了金链鹏作为观察员，核心单位互派观察员在联盟中间，说明了联盟有了实质写的融合。&&& 官方对于民间的应用基本上是一个什么态度？在中国其实是一个很好的态势，民间应用很大，半官方应用也在推进，官方应用比较谨慎，但是大家都没有把这个路很轻率的给堵死，都是鼓励创新。但是，创新的成果应用到我们的主战场，还是秉持一个谨慎的态度。&&& 我们讲，为什么区块链会这么受到大家的重视？我们先看它的几个特性，这里面说到六个特性，其中底下四个特性：不可更改、不可撤销、不可更改、不可仿冒，这是放之四海而皆准的，并不是跟金融特定有关的，我们叫非金融属性。顶上两个：不可透支和不可复制是金融属性。从非金融属性来看，并不是很高深成熟的密码技术，通过重新的组装就形成了时间链条或者时间箭头方向，数据沿着这个方向积累，互相之间勾兑起来可以达到不可改变，变成不可逆，像时间一样只能往前走。这是第一的属性，也就是时间指示，是时间箭头。&&& 区块链的第二个特性是价值守恒，就涉及到上面两个特性，所谓不可复制，在互联网上很多信息可以轻易被复制成很多份，你原来那份还存在。如果我们把信息的互联网改成价值的互联网，让它传递价值，这是绝对不可以的。在价值传递里面，一个最基本要避免的事情是double pay，一份钱不能花两次，花了两次就没了。另外是不可透支，没有那么钱就不能花那么多，我们很多证券交易所有一些禁止卖空、买空的限制，跟不可透支都是相关的，银行也有一些相关的机制。实际上就要对总额进行控制，对余额进行控制。这两点如果做不到，这个价值传递，尤其是在互联网这种信息可以低成本、零成本复制的环境下，价值传递就是一个空话。区块链也是很巧妙的利用密码学的原理和分布式系统，以及通过点对点网络，使得价值传递成为可能。&&& 第三个是信用编程，所谓信用编程可以看成是价值按照一定按值分配，你有这么多钱，我有这儿多钱，这个价值一旦充进来就不受任何个人的控制，只受外部事件和内在逻辑的控制。外部事件结合内在逻辑让分配的方案走到哪里就到哪里。最后当合约了解的时候，按照最新的价值分配方案把价值分配到大家的账本。智能合约也是这样，某种意义上跟期货业讲的合约在很多地方有相似之处，不过它是图灵完备的，可以更好的计算。&&& 总结区块链的三大特征，时间指示、价值传递和信用可编程。很多媒体、很多明人都说区块链的本质特征是“去中心化”，我没有提“去中心化”，这是有理由的，因为作为这样一项技术，并不完全排斥中心化，我们可以在这样一个技术的基础前提下引入一定的中心化的要素，让它为我们资本市场各种应用服务，包括一些带有中心化色彩的应用来服务。&&& China Ledger是聚焦在区块链在资产端的应用。我们分了三个端，纯货币的叫资金端，价值扣出去货币的剩下的部分叫资产端，信用扣出去价值的叫非金融端，现在没有起一个更好的名字。China Ledger联盟的成员来自有志于在资产端做区块链应用的这样一些单位。&&& 资产端要处理的这样一些数字资产，首先要资产数字化。要处理的数字资产和权益有很多的类别，左上角（见PPT）是我们资本市场非常熟悉的股权、债权合约、基金份额、理财产品。右上角涉及到一些实物，像贵金属、农产品都是实物，除此之外还包括房、地、高档艺术品等等。左下角本来就是数字化的，无论是数字版权、数字媒体还是游戏里面的数字装备，都是已经数字化的，所以这里面天然就以数字的形态存在，而且只要跟货币结合就有一个交易的可能性。最后一类是各种积分和各种提货券，这一类是通过赠与的方式获得的权益，这种权益往往流通是受到一定限制的，但是它的监管相对来说比我们资本市场还要松的多。&&& 总而言之，这些数字资产，如果再加上数字货币，就是一个完整的交易所。如果数字货币不在上面，要让他进行交易，我们还要有对接现有支付的手段。&&& 我们的问题是，如果资本市场开一个新的业务，是不是存在一个新的可能性？传统路线是打造中心化的IT平台做这个事情。在新形势下，我们是不是可以用区块链作为一个新的选择。&&& 在回答这个问题之前，我们先看一下场内市场和场外市场都各自有什么特点。这部分大家都比较熟悉，我不是做科普的意思，我是想把场内和场外的各种特性展现出来，让大家有一个直观了解。&&& 传统的交易所，场内交易一般是用集合竞价和连续竞价，无论是集合竞价还是连续竞价都是订单驱动，所有交易者都是平权的，买也可以、卖也可以。订单交叉决定成交，常用的订单剩余部分挂单，也有不成交的就取消。我们的订单是这个样子（见PPT），纵向按照价格排列，横向按照时间排列，从里到外，里面是时间安排的。吃这个价位从盘口开始吃，比如说先进一个买单，从最好的价位开始吃。量太多，这一栏吃不了就吃下一栏。如果量再多，把能匹配的吃完了还有剩余就挂单。&&& 它的特点，一个是标准化，第二是时序逻辑复杂，里面有比较复杂的逻辑；第三是性能、容量压力大，尤其是中国市场是这样；第四是流动性好，成交比较连续；第五是一般使用匿名对手方；第六是中央担保；第七参与角色职能边界固定，都是法律赋予的，一般动不了。报价驱动方面，他们是特定交易者，可发起、可应单，一旦成交就是整体成交。这个机制，他们会维护价差，会维护流动性，都是透明的，一个交易一旦出现差错可以追诉到主人，也可以追回的。&&& 具体看报价驱动的机制，有几种表现形态。第一种比较简单，双边报价，典型成交。第一种是确定，第二是双边报价，第三个是询价，发布空的单子，让对手方填，然后我确认。第四个是协议交易，在线上把价格都协商好，把报告进行确认。我们比较常见的就是这样四种类型。除了上交所固定收益平台上实现了这样的类型，我们外汇交易中心实现了这样的交易类型，我们的新三板也实现了这样的类型。&&& 报价驱动机制有这样几个特点，第一是非标准化，第二是时序逻辑简单，第三是无性能、容量压力，第四是流动性差，容易离散，第五是熟人市场，第六是非担保方式，第七是参与角色职能边界比较灵活。&&& 把这两个往这儿一摆，结论其实是清楚的，区块链在目前技术的条件下，它还不适应我们的订单驱动的类型和场内交易的类型，对于场外的报价驱动的类型有更高的适配性，所以我们也是觉得场外是作为引入区块链应用很好的一个突破口。&&& 下面我们讲一下China Ledger，也就是中国分布式总账基础协议联盟是怎样的组织，他们正在做什么，正在做的事情和场外市场是什么关系。&&& 这是今年4月份China Ledger发起成立的大会（见PPT），大家在上面签字，一共有11家单位。这11家发起成员，其中很多单位是跟报价驱动式的场外交易是有关系的，包括机构间市场，包括招银前海金融，包括浙江股权交易中心，大连飞创也是准备把拟开展的场外业务拿出来做区块链试点，还有厦门国际金融资产交易中心。这些单位或多或少跟场外交易是有很大关系的一些单位，剩下的是比较偏技术的，还有乐视这样比较综合的。后续我们又发展了一些观察员，资本市场比较重要的单位在不方便直接参与的情况下都是观察员了。&&& China Ledger的愿景希望聚焦区块链资产端应用，兼顾资金端探索。同时，希望能够构建满足大家共性需求的分布式总账技术平台，然后选择一些落地场景做POC，基础代码希望是开源的，解决方案希望能够在成员间，尤其是直接参与的成员间共享。任务包括写白皮书，已经完成了，大家有兴趣可以参阅China Ledger的白皮书，目前在做的是用例和POC，最后可能会有一个完整的系统。&&& 这张图（见PPT）是我们说的币圈和链圈两端对进的情况。&&& 白皮书大概有这样一些内容（见PPT），这些内容今天没有办法全面讲，只讲它跟我们场外市场是什么关系。第一个，我们分析了区块链业务在资本市场的落地顺序，提出了一个建议，首选就是场场外业务。其次是场内的交易后业务。再其次是监管沙箱，类似自贸区这种带有试点性，封闭运行，风险不会外溢的特区。最后是国际化业务。这是我们建议的一个落地顺序。&&& 要解决这些东西，除了我们基本的区块链记账的功能之外，我们还必须针对资本市场的特殊要求做一些特殊的解决方案。第一个方案就是所谓的特权方案，就是说，有权限，基础账本里面有一些权限要求，在合约里面也引入特权机制，因为一些管理必须通过特权来达到合法合规。比如说依法行使中心化特权，可以冻结账户，可以看穿账户，可以对特定的产品停牌，对特定市场停市，可以对取消显失公平的交易可以强行平仓和强行减仓，对登记和结算可以进行暂缓交收和拒绝交收，很多在区块链上没有实现，China Ledger认真研究了这些东西，就提出了实现的方案，就是通过智能合约里面有可编程的资产，可以接收普通的交易事件，也可以接收特权事件，一旦由特权方签名生效，就可以启动所谓的特权机制。包括还有踩刹车，是在特殊情况下把这个交易停下来，还可以改数据，在数据不能容忍、不能将错就错的情况下要改下来，还有一个是改行为，哪怕实施隐私保护，普通交易者看不见的情况下，监管者都能看穿。&&& 下一步是隐私方案，这也是我们交易安排的需要。尤其是股票市场，如果大家都能看穿，知道别人的每一笔交易的话，那这个市场好像就不好玩了，就不是我们熟悉的市场了，这个有信息披露，有行情披露，但是信息披露、行情披露是经过一定会聚的，原始的每一笔交易，谁的余额还有多少，不能像比特币一样全都透明的，就需要一定的隐私保护，这里面就要涉及到隐私保护。最近一个是Zcatch（音），采用了零指示证明。China Ledger考察了可能采用的隐私保护，还有一些机构有法定CCP职能的情况下，对于CCP来说，它就是一个理所当然的知情方，参与者之间互相保护隐私，但是对于CCP这些隐私都是可以开放的，这是符合中国法律的，我们就建立了一个基于CCP的双链保护方案。A链上面大家的交易行为进行背书，普通的记账的节点只对交易行为进行背书，行为背后的内容是加密的，包括交易对手方的信息也是加密的。CCP把这些揭开，然后验证这个签名，验证余额，所有东西验证完，在CCP明码的链上过户，如果有交易成交就给他过户，然后再把确认信息加密放回去，是这样一个方案。这样一个方案在我们白皮书里也有描述，而且公布出来得到区块链业界的普遍认可。这里面共性的问题是对行为背书和对内容背书，在现有的区块链里面是一体化的，其实我们认为这个地方可以拆分的。这之后我们又注意到一些其他的区块链的最新进展，包括R3最近公布的Codar（音），Codar引入了公证者，某种意义上跟我们前面讲的CCP是非常接近的，所以我们可以看到，你要保护隐私，又不动用目前觉得效率、性能还不能满足要求的高级密码学手段的话，权宜的做法或者现阶段可行的做法，其实大家走的是同一条道路。&&& 总结一下，区块链为我们资本市场建设IT平台提供了一个新的可能性，场外市场会是区块链切入资本市场的一个首选突破口。China Ledger已经在这方面为我们做了一个比较充分的准备和铺垫。&&& 谢谢大家！主持人：这是我第三次聆听白总讲区块链。时间指示、价值传递，白总用诗一样的语言给我们讲了区块链，白总其实是我们IT界多才多艺的老前辈，同时，他用这个语言也很好的诠释了金融与科技的结合，比如说智能是科技，合约是金融，信用是金融，可编程是科技。让我们再次用热烈的掌声感谢白总！&&& 我们的演讲进展的很顺利，接下来休息一刻钟，然后回到会场聆听市场机构高盛公司以及领先的科技企业恒生电子给我们讲金融科技怎么落地、怎么应用。请大家休息一下，谢谢！（中场休息）主持人：各位领导、各位嘉宾，我们下半场的演讲现在开始。&&& 接下来有请高盛公司的高级工程师Steve Repasky先生给我们讲金融科技如何在金融业务进行应用。有请Steve先生。Steve Repasky：大家好。&&& 谢谢主办方邀请我参加这个论坛。我今天是讲大数据在衍生品市场的发展应用前景展望，我很荣幸能够讲这个话题，我叫Steve Repasky，是高盛技术部的副总裁，我也很自豪能够在高盛公司，我们是一个科技类的公司，我们的CEO说我们是一个科技类的公司，这意味着我们做很多事情，包括针对此次大会数据方面技术的应用。&&& 在场有多少是根据大数据来做决策的？（举手）Michael我是知道的，我们会继续学习大数据在行业的应用。当然，我们在国际上也一样，我们中国的经济商也是要看怎么利用大数据进入国际市场，尤其是美国市场，当然这是非常有价值的，大家会听到我讲很多大的数据。&&& 和其他发言嘉宾一样，我想先定义一下到底什么是大数据。如果我们去几个不同的分会场，大家都会有不同的定义，我们会得到更多的答案关于什么是大数据。基本上来讲，更多的系统能够带来非常多的数据，非常大的数据集可以进行分析，找到里面的类型、趋势以及相关性，和人行为交互相关的一些特性。但是还有一点，大数据是不断演进的，不是一下就产生的，这里面有一些主要的里程碑，包括最近一些演进是在1996年的时候，数字化的存储更便宜，比文件的书面存储更便宜。2005年有Web2.0的诞生，提供的服务数据比我们本人提供的更多。2013年谷歌可以生成的数据是每两天就相当于从人类文明开始一直到2003年的所有数据。到2014年，首次更多人利用这个设备，不是在家和办公使用，现在大数据可以根据数据规模、属性、复杂性以及产生的速度来定义。&&& 当我们讲大数据的时候，我们总是讲相关的成本。过去我们说磁盘很贵，所以开发人员要有数据库，数据库的结构之前发言嘉宾也讲到了，很好的例子是YUK（音），最近我们进行数据存储，我们公司开发人员对成本非常敏感，开发人员通过创新方式把四个浓缩到一个的规模来存储。还有1999年，我们看到进行了压缩存储。现在很多东西都是由钱决定的，我们知道额外的存储空间需要额外的成本，现在把所有数据进行存储了会更便宜，有一些服务可以免费或者按照低成本高效的方式使用。之前的发言嘉宾也讲到了数据库，这都是关系型的，而且在最终状态进行存储。我们要做交易的话，你要建立一个账户，定价或者取消，或者进行纠正，这个数据库只是存储最终的，没有各个阶段，中间的阶段没有存储下来。&&& 现在我们可以看到数据库是更为分散化的，而且数据库本身的规模的大小已经是无限的，正因为它是无限，我们可以存储所有的数据。具体我们如何更快的存储和处理数据？当然这也需要许多不同的技术。刚才有位嘉宾讲到结构化数据和非结构化数据，对于结构化数据，你很容易用图表和Excel进行展示和分析。但是我们知道，现在有90%多的数据是非结构化数据，包括pdf、图片或者word文档等等。我们看到指令的这些数据没有一个具体的数据模型和模式，所以我们需要找到数据的模式，知道它的格式是什么。当然了，现在海量的数据，有这么多的大数据，它的数量确实是惊人的在增长，再加上现在的传感器、社交媒体，以及机器产生的这些数据，还有各种各样的移动互联网产生的这些数据，有一个海量的增长，那我们怎样来提取呢？比如说，我们自己在网上浏览的这些数据，很多时候很多商家也能够利用我们的兴趣，知道我们买哪些产品，给我们发送什么广告。现在我们看看数据生产的过程，今天我们可以看到，每秒产生30几比特的数据。&&& 讲到大数据，当然要讲到大数据因此而产生的技术，前面几位嘉宾已经提到类似的技术了。我们知道数据是能够进行加工和处理的，但是今天有太多数据了，你不能够像过去那样进行数据的分析和处理，我们需要有各种不同的技术和系统，包括MechoSevice（音），比如说阿里巴巴就是很好的应用，他们看到阿里巴巴每个流程，包括物流、支付这些都是单个的微型服务，而这些微型服务所有结合在一起就可以满足整个阿里巴巴业务模式的运转。我们公司也在进行不同数据系统的处理，比如说网站要改变支付系统，其实可以单独改变支付系统，并不需要回归测试和整个系统的变动才能改动，这就是微型服务的好处。&&& 另外，我们也可以看到现在大数据的基础架构，成本也是不断在降低的。像分布式的架构也是能够帮助我们在云端进行数据处理的，因为云端的数据是可以四处存在的。以前我们会有一个网站，会有一个应用，所有客户都必须到这个网站、到这个应用才能够获得这个数据，客户在世界各地，他们必须能够及时的上到这个网站或者这个应用才能获得数据。但是现在我们看到，有了云端的承载，数据可以在任何地方四处承载，我们知道Hadoop等等很多数据处理系统可以帮助我们快速处理。我们可以看到Hadoop其中一个功能是可以帮助我们带来更好的搜索功能，针对非结构化的数据来产生更好的搜索功能。另外，Dateled（音）也是一个很好的新技术，能够帮助我们更好的分析数据和提取数据的一种技术。我们不用去担心这个数据是结构化还是非结构化的，而且我们也可以看到，你只要把所有数据都放到Dateled的平台上面它就可以帮助你进行处理。当然，我们的政府、企业部门和各个部门都不断的产生各种数据，因此我们需要有数据的挖掘技术。当然了，要真正充分的利用大数据的话，我们需要能够了解这些数据，其中一个办法就是通过机器学习。机器学习是帮助我们通过这些例子和经验来学习数据。机器学习的一个很好的例子，我们知道今年年初AlphaGo和围棋大师之间的比赛，我们知道这也不是第一次AlphaGo下围棋打败对手的，我们知道他们不断的计算下一步最好的是什么，根据对手下的每一步棋通过机器学习做出最精准的决策，知道下一步最好的选择应该是什么。另外，在机器学习的系统里面，能够提取过往的经验，知道以前类似的场景当中曾经下过类似的这步棋，知道结果是什么，知道应该做出哪一步的反击，所以这是机器学习带来的一种优势。&&& 我们金融行业是否在充分的利用大数据呢？我们现在所再的决策是否是基于大数据呢？确实是的。而且，作为交易商或者任何金融市场当中的从业者，我们看到现在有很多数据是我们可以充分利用的。我们在过去总是寻找一些简化的或者结构化的模式、模型，能够帮助我们处理数据，包括ABS等等，这些都是为了提高信息处理的效率。我们知道，在整个信息发现过程当中，大数据已经扮演着越来越重要的角色，而现在能够更好的管理数据也是越来越关键了。如果我们现在有更好的数据分析的手段，它将能够帮助我们更好的匹配我们的产品跟客户的需求，这样的话，客户也能够得到更好的服务。&&& 其实，我们知道，在数据处理过程当中，通过机器学习或者通过数据阐释，我们需要考虑的是谁呢？是客户？是产品？还是什么？所有不同的参考的因素都能够放到机器学习当中，基于我们过往的要求，机器可以进行非常好的匹配。当然，我们也可以看到，在我们处理这些资源的过程当中，它能够得出最好的结果，比如说针对亚洲的客户有哪些具体的产品，我们可以基于历史数据做出精准的判断，然后知道这个产品是否需要向亚洲的客户去推送。我们也可以看到，进行客户的一些报告生产的时候，我们可以制定客户的报告，同样也能够利用机器学习和大数据帮助我们得出更好的一些结果。&&& 下一个问题是我们的行业是否错过了一些机会呢？有哪些机会是我们现在完全不知道的呢？确实是存在的，因为我们现在手上的这些数据，我们怎么知道真正阐释和理解这些数据呢？它其实还不是我们行业核心的能力，因为对于金融界来说，目前对于数据的分析和处理并不能与技术界媲美，我们还没有形成这样一种核心的能力，这就是我们需要数据科学家和首席科学官。&&& 抱歉，我说话说的这么快，大家知道我们箱子里的翻译在做好工作，以前我们学中文和英文，你就能够做一些简单的翻译，但是要成为一个更好的翻译，你是需要了解这些说话者的情绪的，你要能够看到他的表情等等。在线网络的翻译，我们知道过去在线的翻译并不是非常精准，可是现在因为机器学习的能力以及人工智能，这种在线智能翻译也越来越准确。特别是对于一些重要文件，像官方文件必须要确保准确性，我们也可以看到，现在机器学习也是在不断的改善翻译的质量。&&& 另外，我们这个行业需要做出什么样的改变，怎样应对这样的改变呢？有哪些变革能够帮助我们更好的利用大数据？其实我们可以看到，在我们金融机构的交易过程当中，我们其实用不同的系统，当然我们总是要问这些新的系统是否提供更好的功能呢？能不能比旧的系统带来更好的功能？我们也要看看现有的工作流当中具体的安排，看有哪一些已经自动化，有哪些是人工手工的过程，所以我们首先要分析现在的工作流，清楚我们的需求和需要改善的地方，然后才去考虑怎么去切换和转变我们现有的这个系统。我们也可以看到，要做出更加好的决策，当然就需要更加多的数据，当然也要考虑成本的效率。&&& 我们金融行业如何更好的利用大数据？像前面几位嘉宾讲到了现在大数据带来的潜在挑战，包括在执行过程当中，包括我们整个的交易过程，如果真正的要地方这个大数据，在这里面其实有许多挑战要去应对。可是，我们现在也不仅仅是在存储这些数据，很多时候也是基于这些数据来做出自己的一些猜测和预测，但是更为重要的是能否运用机器学习来从中学到一些东西。而且，我们也可以看到，现在也有越来越多可以使用的这个情景，我们也存储了很多可以参考的数据。&&& 回到清算这一块，我们也可以看到，清算过程当中大数据的承载也是能够帮助我们更好的提高这个效率的。比如说，我们在清算过程当中收到不同的报价和价格的指令，所有这些东西是按照我们现有的流程进行的。我们准备报表，不需要来回的转来转去，系统可以进入这种数据，我们就有Back UP，在数据库里面有问题就可以回到黄金渠道、黄金来源。同时，我们可以做的是看我们可以提前做什么、之后做什么。在我们看来，我们不需要等这些数据，我们的交易可以自己来做，有时候要花很多时间。因为你创建了报告之后，要计算这个余额才会有。&&& 我们说到大数据科技，在我们行业里面下一个颠覆式技术会是什么呢？刚才的嘉宾也讲到了区块链，我没有花太多精力讲区块链，因为这也相当于大数据的拓展。在我们行业里面，包括在支付的过程或者结算的方面，这也是非常重要的，我们几乎是接近实时的结算，面向全球市场有T+几的结算方式。区块链的优势能够帮助我们实现这样的功能。包括刚才的嘉宾也讲到了智能合约的方式。中国在这方面跟美国是站主要地位，在中国到底进展如何呢？行业中希望找到新机遇、新产品，中国正在寻找，那么中国市场怎么改进向国际上提供的数据？在我看来，中国目前的地位是非常不错的，我们把不同国家的差别在微观市场结构上能够了解，美国是更复杂的微结构，而中国不是那么分散化和碎片化的市场，那就是说，美国有很多市场、很多产品，你可以去交易。但是，找到最好的价格，这个挑战是非常大的。&&& 中国也是一个电子化市场高度发达的市场，起步比较晚，可以跳过之前发展早期失败的情况。在我看来，包括厂方可以有更多的自动化，依赖于交易所的终端，这部分也可以进行自动化。同时，我们将语言进行翻译，如果数据是中文的话，全球系统最终都需要翻译，这时候风险就有点大了，因为可能会带来一些翻译引起的相关错误，带来错误的沟通和交流。&&& 在我看来，现在是非常令人兴奋的时刻，对亚洲也是这样子，我在亚洲也是有七年时间，现在是在新加坡。我来的时候在亚洲有非常好的发展，是新兴的市场，也是非常好的市场。之前Michael讲到美国市场，而亚洲市场是不一样的。我们的技术行业差异化的优势让我们带来更好的市场，大数据及周边技术给我们机会，让我们有更好的发展。在高盛技术营销的策略很简单，我们去构建，如果大家对高盛技术了解的话，我们可以做得更好、更便宜、更快，能够有技术优势，很多东西就可以买、可以参与，我们市场营销的口号是非常合适的，帮助我们可以获得这个行业最优秀的人才。我们看一下高盛到底有什么价值，我们会合作一些创新性的发展。大数据会不断演进，包括大数据技术，我们行业会继续利用这些新技术。当我们说到挑战，我们要克服这些挑战，要有项目计划的方式，到底有哪些关键里程碑，有哪些路线图，最终目的是什么。有了大数据，我们就不会有什么错误，这就让我们兴奋了。&&& 大数据发展的速度非常快，我们了解更好的行为，构建更好的系统，以便我们做出更好的决策。谢谢各位！主持人：感谢Steve Repasky为我们介绍了境外大数据在金融方面的应用。下面有请到恒生电子股份有限公司执行总裁范径武先生，给我们讲一讲金融科技在境内的一些应用。范总是期货业的科技开发技术的元老，对我们证券、期货都有非常大的技术贡献，下面欢迎范总。范径武：谢谢国泰君安给我们这个机会，能够跟大家交流一下金融科技与衍生品市场的风险管理的这些内容。&&& 恒生电子在行业里这段时间名声也有一些，这么多年下来也一直立足于我们整个的金融行业，作为一个以技术为本来为行业做服务的企业。经过二十多年，一直在金融产品以及系统提供方面做很多的工作。这中间也有很多老朋友，也有很多新朋友，这么多年给了我们很多支持，在此非常感谢。&&& 今天讲的题目也是组委会当时给我定的题目，金融科技与衍生品市场的风险管理。前面几位大佬已经在各个层面上对金融层面做了定义和描述，听下来基本上大家能达成一致的理解基本上在云计算、移动、高性能计算、大数据、人工智能、机器学习和区块链这些颠覆性的相关技术对于金融行业有哪一些改变，当然，恒生也一直做了这么多年，在风险管理上也有自己的一些体会，组委会希望我能讲这个题目，当然前面很多大佬已经做了阐述。我的技术主要是金融风险管理的应用，要讲到风险管理的应用和金融科技的定义，大家已经看到了，从我自己这么多年的感觉来看，金融科技在衍生品市场上带来了哪些变化呢？主要的变化有几个方面，第一个大的方面就是让我们的产品品种越来越多，这样一些业务的发行也越来越快，随着云计算、金融技术的进步，这几年整个行业里面大家都可以看得到业务市场和衍生品市场已经趋向多元化，包括上证50ETF挂牌，包括场外的期权和场外的外汇，这些都意味着我们整个金融市场的发展会越来越蓬勃、发展，越来越广阔。整个的金融科技带来的变化，特别是一些IT公司带来的变化，我们会把以前一些专业的机构和专业人士进行衍生品交易的业务逐渐带向了能够向个人推广的情况，这一块就给我们提出更大的挑战，随着金融科技的进步，行业市场进行变化的过程中如何控制风险，这是我们面临最大的改变。&&& 对整个风险的改变来说，我们可以回顾一下市场上有哪些风险是大家关注的，我们有各种各样的风险，在风险管理过程中有两大类型的风险，一个是金融市场本身的产品管理、业务管理本身的风险，这个风险包括了整个业务交易过程中的风险，产品清算、结算过程的风险，在这里面一个是市场本身的风险，我买入这样一个产品能不能赚钱，能不能抵御未来市场巨大的波动，以及一些巨大的改变。在业务产生变化的时候，整个公司经营的流动性业务有哪一些改变，这是业务本身操作性的风险，这些风险更多的是关注于我们的信息和数据的全面性的道理。&&& 其实我们已经可以看得到，现在面临的问题，在业务风险上面临几个大问题，第一个大问题是数据的不足。我们的数据带来了很多不足，我们期货公司经营业务的时候，很多时候只能根据市场本身的一些报价来做出一些业务的判断，给下面的订单做出一些判断，这意味着市场本身的数据是不足，这些不足带来了我们对风险管控上的误差。第二个问题，信息是泛滥的，在市场上会出现各种各样的流动性信息，这些信息往往让我们无法做出正确的判断和选择。所以，这是在我们业务风险管理中带来了比较大的两个挑战，而我们金融科技已经带来了一些工具，现在已经可以做这些工作，后面会给大家做一些分享。&&& 另外一些风险是操作性风险，从某种意义上来讲是监管、合规相关控制的整个流程的问题。这个流程目前面临的最大的问题，其实是我们的风险监控机制是分段式的，没有形成闭环和整体的体系。在这个过程中，我们对操作性风险的监控，我们现在在某一个阶段看起来不是一个问题的情况，但是在整个闭环业务操作中会发现存在巨大的风险，导致我们最后产生了很多业务无法进行操作以及无法进行控制的情况。这一块是我们在操作性的风险中面临的挑战。&&& 这些风险的定义基本上也有标准化的描述和清晰的说法，但是如何来控制和管理这些风险，以及我们这些风险目前面临哪些挑战，我们过去做风险管理的时候更多是基于现有的数据和业务的判断。现在可以看到，现在的风险管理跟过去的风险管理已经有了很大改变，我们需要应对的是更高层面的挑战。这些挑战是在风险管理过程中的复杂性带来的。&&& 我们每一个风险的管理，首先要做风险的识别，看到风险的因子，然后再来度量这些风险，这是风险管理的复杂带来的问题。然后，得到这些量化指标，通过量化指标进行限额的管理。整个的风险管理的复杂性导致我们需要通过目前这些新的技术，包括我们刚才谈的大数据，Steve也提到有多少通过大数据判断业务。如果落到一个业务点，如果通过大数据判断风险，这其实是我们面临的一个很大的挑战。&&& 我觉得金融科技本身给我们带来了业务的快速扩张、业务的快速连接和闭环的业务操作过程，但是，如何快速的识别和控制这些风险，让这些风险能够进一步的进行管控，这就变成我们过程中面临的很大的挑战。&&& 我们现在做风险管理过程中的很多做法，基本上是基于现有系统的改造做业务调整。目前主要是在系统改进过程，通过独立系统的建设，每一个业务系统建立各自的风控系统，这个风控系统基本上是独立的模式。很多金融科技公司也提供很多系统，在投资管理系统投资一些风控业务处理，包括经纪商的连接业务也提供了数据，但是这些数据只是做到了分阶段的处理。如果需要更进一步的去迎接现在金融风险的挑战，那我们可能要在下面的几个方面进一步的改进。&&& 第一个，最大的需要改进的地方是及时性的问题。以前很多风险的管理，基本上能做的只是做可以做的部分，现在风险管理基本是根据目前及时性的报价的信息和偶尔的业务信息来进行业务判断，导致业务判断往往是不全面的。如果需要做到及时性的、能够涵盖各种各样数据层面的风险管理的过程，我们的系统本身对于这种机制性是无法达到的。目前这样一个机制性的系统，其实可以通过新的金融技术的改进，特别是在云计算和高性能计算方面的改进，能够解决及时性的问题。能解决及时性的问题，很多时候我们能够从黑天鹅事件中逃脱出来，如果你在市场上发现早几微秒行情或者信息波动带来的变化，你可能就很快从市场上得到这项信息，做出正确交易的判断，这是风险管理中第一个需要通过金融技术改进的痛点。&&& 第二个，有效性的问题。我们在风险管理中判断出来的这些风险是否真正涵盖了目前业务的正确化。我们卖掉一个产品的时候，突然发现这个产品产生了一个新变化，你会发现这个产品前期已经有一些动作特征，能够看到这些数据，很多原因是我们对业务管理全面性不够造成的。有效性的第二个问题是我们受限于人类情感的因素，说白了，我们经常把自己认为预先判定的模式，尽量找这些数据来解决自己的模式，解决这样一个问题，结果我们很多时候做出的判断，说是有大量数据已经给出判断，其实那些数是我通过数据判断解读出来的结果，这些判断往往受到情感的左右和心智的限制，这个有效性往往是不足的。所以，在有效性的判断过程中，我们可以通过一些新的技术，也就是人工智能的一些技术，把数据的判断交给机器来进行解读，通过这个解读过程能够给出下单的判断，通过这样新的技术给我们带来比较大的变化。&&& 另外，我们在风险管理中可预测，我觉得更多是挑战我们更多智慧的极限。也就是说，我们过去很多时候是通过历史数据给出未来预测。大家知道很多时候历史不是重演，很多时候是历史重新开始。如何通过过去的模式得到新的数据，这可能是我们金融科技预测中比较大的挑战，最核心的是我们希望通过更全面的一些数据，这可能是大数据真正的应用，通过大数据、人工智能、机器学习进行先导性的找到指标，能够预测这些指标，才发现这个数据可以通过有效手段进行判断的，这是我们在未来技术上需要做到的挑战的一些方法。&&& 另外，可信任性的建立。前面嘉宾也提到，我们有大量数据，数据来源往往不真实，因为基于各种各样的要求和各自的需求，导致很多时候我们出来的数据或者开放出来的数据无法做到完全的可信任，所以我们做的最大工作往往是不停的调整、修改和判断这些数据的正确性。当然，这些数据的正确性要去判断，我觉得要用新的技术来做。刚刚白老师已经提到了区块链的技术，从底层金融整个架构之上改变数据的存储、留痕和不可篡改，这样提高风险管理技术的性能，我觉得这是目前新的金融技术对我们改变的方面。&&& 我们恒生也做了一些工作，在金融科技方面自己做了一些尝试，也有一些思考，给大家做一下分享。&&& 第一个，为了解决及时性和有效性的方面，为了判断这些数据，大家经常看到高性能计算的问题，以前大家讲一个问题，应该放在量化和投资管理的系统上面，其实在风险管理这个层面上，高性能计算我认为是最核心的，因为整个金融交易的过程，最核心的一块业务管理其实是风险的管理，如果你的量化和管理的指标不能做到风险可控，光提高这样一个速度的话，其实带来的问题是更巨大的风险问题。&&& 在这个过程中我们已经有很多例子，国外资本的例子也很清楚，对风险管理没有做到及时回调，风险没有办法可控，国内也已经出现过乌龙事件的案例，因为风险本身管理能力不足，采用的不是提高风险管理的能力，而是减少了风险管理的能力，带来很大漏洞和风险。很多时候对于公司都是生死攸关的问题。金融科技及时、有效性的问题是第一个需要谈的问题，很多时候我们虽然有数据，也有要求，但是因为系统性能达不到，我们的方法往往降低了这个风险管理，未来金融科技对我们风险管理，希望更多是引进一些高性能、及时性的风险管理业务系统，这些业务系统对于未来业务发展模式才可以做到可控的业务发展。今天也提到未来业务系统希望做到可控、安全，如果未来风险管理当中引入高性能的平台，这些平台对于未来风险的计算就会达到一个非常好的效果，所以这是我们非常关注的。恒生也是在自己UFT平台上做的实践，低延时的交易、高频的交易，也是基于云平台做可扩展的方案。这是我们以前感觉很难做的，比如说要计算大量风险的数量，通过这样一个云的可扩展的架构，能够进行并行，同时计算几万个指标，一天的风险处理模式能够在当天及时的给出一些结果，这样一个风险管理水平就会得到很大的提高。&&& 另外，在做的过程中，我们风险管理的级别一定是要向微秒级别进步的，现在风险系统的延迟可能在百秒级，有的已经进入一百微秒的范畴，但是我们目前做的业务系统已经达到四微秒一千多个指标的过程，这能够极大的控制我们业务风险处理的能力，让我们业务风险的控制能力得到极大的提高。未来随着衍生品种的扩展，很多品种相互之间的相关性是完全挂钩在一块的，完全是单独某一个品种的计算，你会发现无法计算，很多时候需要更高效、更快速的计算平台，这就是高效能的计算平台做到的指标。&&& 未来，我们相信最后这样一个业务系统的发展，我们不只是在软件层面上进行改进，更多时候会出现软硬件结合的方案，更进一步的来提升快速高性能的计算。风险管理技术的发展，首先是通过高性能系统的发展，能够快速的处理风险管理的范畴，这样就可以让很多以前要事后进行计算和管理的风险，能够在交易的过程中或者交易的前面都可以给出一些结果，我们的风险管理能力就会得到极大的提升。&&& 第二个，大数据和人工智能。前面几位专家已经讲到大数据和人工智能，大数据和人工智能的定义前面的专家已经做了很多铺垫和阐述，我不再多说了。我们做风险管理的时候碰到很多问题，我了解到一些情况，如何真正的通过大数据做风险的管理，我认为这目前应该有很多例子，通过数据全面性分析能挖掘这个例子。我跟阿里交流过程中，他们做保险的时候已经给了清晰的例子，他们以前通过客户行为分析，喜欢退货的客户就给他保险，以前保险基本上是亏的，因为一视同仁的做保单，要么没有人保，要么大量亏本，他就基于行为分析来做大数据分析，这目前在风险管理中已经开始有操作了，通过大量数据的会聚和聚合，得出风险管理中的控制，让数据的管理做到能够非常容易处理。&&& 现在我们碰到一个很大的问题，大数据这个东西，像互联网和一些大的机构，他们会有一些全面的数据，但是我们很多衍生品管理的经济机构，其实在数据的全面性上不足，如何来解决这样一个不足，我觉得这需要大家更进一步的去想。恒生也看到了这样一个点，数据本身的开放和交换很麻烦，数据没有独占性，你拿了一份数据，这份数据就无法控制了，金钱可以，你拿了这个钱，别人就不会拿这个钱，你就可以控制这个钱，但是数据不一样，拿了这个数据，就可以让这个数据不断的扩张和传播，导致数据交换的工作很难做起来。所以，真正能够做大数据的要提出一些整合，前面一些专家也提了专家标准和整合，这也可以通过技术手段。我觉得如果通过数据交换的整合模式，其实是很难做到的。我认为新的模式，应该通过数据平台的服务模式，我们不要直接交换数据，而是通过数据服务的交换来达成这样一种大数据的应用，我觉得这是我们做的过程中需要考虑的。&&& 恒生在做的过程中也提出了大数据的平台，目标是希望通过组建服务来交换数据的利用，而不是交换数据本身，这样让大数据进一步的得到扩展。做风控过程中，我觉得可以通过这种方式进行数据整合，这是大数据平台建设的东西。首先，大数据的平台就作为组建交互平台，这上面有知识图谱和风险管理模型，这是风险管理中的很大的方式。&&& 谈到数据，数据的有效性和数据可预测性的问题，如何来做？如果你仅仅把数据集中到一块，我们通过工具去找到这样一些模式，你会发现，如何发现金融业务的模式，也就是你做风控的这种模式，通过人工找这种模式的难度非常巨大，你要不停的尝试这个模式，人的时间和能力是有限的。所以，发现这样一个数据的组合模型，来度量风险的指标，这种指标不可能说一个人就想到了，在自己家里、办公室想一想，拍个脑袋就做出来了，往往是需要不停的尝试和实验。这个实验的工作，我认为机器学习是一个强项。所以我认为，可以把机器强项引入到模型的定制和数据挖掘过程中，来管理这样一个风险，我觉得这是下一步可以做的工作，恒生也做了一些相应的工作。我们是在期货做市的模式做了模型，它的方法跟其他的不一样，有的是通过数据本身来进行拟合，恒生做的过程中是通过图形和非结构化的数据，让机器识别这些数据的定价，做期货的定价进行拟合，这是做了一些理论的模型。我们做的过程中，发现机器学习对RMSE传统的做法应该有是提高，我们可以在期货定价上可以降低成本。未来机器学习完全可以用到风险定价相关的一系列业务过程当中去。&&& 下一步人工智能和数据的发展，我觉得更多是需要全面的智能去做，首先要提高强大的计算能力，更进一步提升急速交易能力和响应，在情景方面做更多分析，最后通过压力测试、各种语音助手、量化交易、复杂运算等等，进一步的在预测市场走势上面做组合管理，我认为这是衍生品未来可以在智能风控上可以做的一些工作。在业务的灵活性和决策性上可以进一步提升。&&& 第三个，区块链技术。刚刚白老师和前面的嘉宾都做了区块链在行业应用上的考虑。如何运用于风险管理？我觉得最大的就是在于我们把数据的不可抵赖性和数据共有性的特性给利用起来。刚刚白老师说，时间指示数据流动性的不可更改性，做到风险的管控中，让我们各种各样非结构化的数据和影响业务的数据，都可以通过区块链的技术写入到区块链中，把数据做到可控，对未来的信用风险、流动性风险的处理能够做到一些可控。&&& 我们恒生有一个专门的研究院，做一些前导性的技术和业务的研究，我们在区块链的应用上主要是跟鲁证期货一起做的，是场外衍生品的一个区块链交易和结算平仓一系列的风险管理，控制整个风险的管理。&&& 对于下一步，区块链还能做一些东西，前面几位专家没有讲，最核心的两个，从监管机构来说是反洗钱的，因为区块链的安全模式有了共享账本的能力，大家可以随时监管和控制资金流动和变化，以及各种非金融产品资产的流动和变化，这些变化对于我们非金融产品和金融产品之间互相通过交换来进行洗钱工作的控制。另外一块是KYC，因为我们随着监管不断的加强，如何了解客户的一些行为，以及我们客户资金的来源问题，会成为摆在我们金融机构面前的一个重要挑战。所以，通过把各种各样投资者的信息、金融资产信息写入区块链，能够更清晰的描述出这些投资者在金融体系中的情况的话，我觉得对于KYC这样一些工作，可以更进一步的强化和明确KYC的管理能力。这是在区块链基础上在金融风险管理上的应用。&&& 最后做一个总结，金融科技带来了金融业务的巨大变化和挑战，同时也给我们带来了一些风险管理的问题，我们前面提了很多风险管理的问题，但是这是一个双刃剑，既给我们带来的挑战，同时也给我们带来了更多手段，能够帮助我们控制风险的一些手段。这个技术的步骤，首先是从手工的做法，然后通过机器的手段降低人工的差错和干预，更多做到一些智能的风控，其实我们最后的目标是希望能够做到一个智慧的风控，也就是说，通过机器本身学习的能力，通过它自己去搜集这些信息，能够管控我们所有的流程和风险，真正把所有的风险管理的流程打通成为一个闭环，建立一个闭环的结构，为金融的风险做一个非常好的控制。我相信也是能看到这样的，它们一定会可以给我们带来这样的进步的。&&& 谢谢大家！主持人：感谢恒生电子的范总。恒生电子是国内证券期货行业领先的金融科技企业，我们四家商品交易所的技术公司也是国内领先的金融科技的企业，下面是圆桌讨论环节，请四家交易所的技术公司跟国泰君安证券、中信期货以及兴业银行，跟我们探讨一下金融科技对衍生品市场创新竞争和风险的影响及挑战。这个圆桌论坛的主持人是中国期货业协会心里有数委员会的副主任史光伟先生。圆桌嘉宾是上海期货信息技术有限公司总经理王习平总，郑州易盛心里有数有限公司总经理邢向飞先生，大连飞创心里有数有限公司总经理刘军先生，国泰君安证券股份有限公司心里有数部总经理俞枫先生，中信期货有限公司总经理方兴先生，兴业银行股份有限公司信息科技部研发中心副主任周刚慧先生。有请几家公司的老总。史光伟：首先感谢协会，感谢国泰君安，给我们这个机会，能够坐在这里进行交流。刚才万总已经介绍了在座的各位嘉宾，我就不再重复介绍了。&&& 今天听下来，我感觉收获蛮多，今天讲金融和科技的融合，讲金融科技的发展，讲区块链，讲大数据，都有很多收获。今天的几位嘉宾都是在证券、期货、银行业、IT摸爬滚打很多年的，对于金融科技来说，也肯定有很多自己心里的想法，所以我想以我提问题的形式来做一个简短的交流。&&& 第一个问题，近几年，无论是银行，无论是证券，无论是期货行业，在业务发展上都有突飞猛进，客户量、交易量都发展的很快。这两年来说，咱们IT部门、IT公司的头儿面对的巨大挑战和比较有压力的是哪一些？王习平：来谈一谈我遇到的挑战。感觉这两年市场发展经历还是比较丰富的。我觉得挑战主要来源于两个方面，一个是传统的业务需求跟传统的技术合作，应该说成熟技术对我们的挑战，这些挑战其实是老生常谈了，我们有很多很多业务需求，包括市场变化，对技术需要有很好的支撑，这方面是我们一直在努力解决的一个事情。&&& 今天的主题是一些新的技术，比如说云计算、区块链等等引入到市场，其实或多或少的新技术已经逐步侵入到我们这个市场来了。这里面我们遇到的问题，一个是新技术引进来以后，对交易行为、对于市场的行为会发生一些变化，发生变化以后，对技术的支撑本身就提出来新的要求。举个简单的例子，比如说这几年量化交易的发展，包括智能投顾对这个市场的影响，以及对订单的分布、对参与者的分布已经发生了比较大的变化，对系统的处理能力，对系统的流控和控制措施都提出一些新的要求，这也是一个挑战。这个挑战主要在哪里呢？一个是你要识别出这些变化，可能还要引领这些变化，这是遇到的一个问题。&&& 另外一个，新技术跟传统成熟的技术不一样。不一样在哪里？传统成熟的技术要解决一个问题，业务部门有一个明确的事情提出来，说要解决什么东西，技术可以在这方面做支撑。新技术就难，这个技术可能业务部门也没有一个成熟方案，我们的客户可能也没有一个成熟方案来说你要支持我们真正，那么，利用新技术具体做什么，怎么解决这些问题、解决什么问题，这本身也是面临的一个挑战，就把科技和金融相结合怎么融合，怎么带来一些新的东西，这也是问题之一。邢向飞：我觉得不断涌入市场的新资金，不断涌现的新的业务模式，都对这个技术提出了更高、更新的要求。我觉得对于一个技术公司来说，这个挑战一方面是资源是有限的，原有的业务还要支撑，新的知识需要学习，如何打造学习型的组织也是我们的挑战之一。&&& 结合到今天“金融科技”的主题，金融科技发展到今天，我们作为技术公司，就要不停的有预研的小组，像做FPD和区块链技术，我们要分出人来和相应的科研机构融合，做相应的预研。但是现有系统安全性的要求、可靠性要求又比较高，很难在这上面做实践。可能大家今天提到比较多的就是区块链技术，大家希望在新的系统上，比如说在场外系统上做验证，学习它的“去中心化”的记账权的获取机制，以及超级账本的生成原理，诸如此类，这都要在新系统实验，资源要求非常多。新的业务，又要应用新技术，这两项叠加我们认为风险也比较大。刘军：最近两年市场业务发展非常迅猛，科技发展也非常快。对交易所来看，业务发展了，最明显的压力就是市场监管的压力非常之大，如何利用现在的技术，包括今天前面几位嘉宾讲到大数据技术，包括一些人工智能的技术，给我们交易所平稳运行和监管提供系统，我觉得对我们来源讲压力非常大，比如说如何区分一个市场的异常交易行为，虽然我们在做不停的探索，但是现在仍然满足不了交易所对我们的要求。&&& 另外一方面，市场服务方面，我也是市场服务的提供者。现在几项技术，尤其是智能技术，我对金融科技最看重智能化的方向，因为无论是量化产品方面，还是其他提供的服务方面，智能化是很重要的一个方面。怎么能够利用新的技术为客户提供更好的、带有更加智能化的产品，我想这方面值得我们探索，同时也是很大的挑战。&&& 我们既为监管方提供工具，也为交易方提供工具，这两方面我们都不能偏颇，未来我们要加大这方面的投入。俞枫：大家可能知道我们IT技术跟金融有一个共同的本源，就是全是数字化的，所以这几年随着IT的发展，我们各家机构对IT的定位发生很大变化，原来主要角色能够支撑就行了，现在公司各个方面希望能够引领业务，这是最大的变化。原来参照系是其他金融机构，现在参照系变成BAT公司，这种情况下，IT公司面临的压力不仅仅IT技术的问题，是怎么跟业务更好的结合。大家知道BAT公司的本源就是IT公司，是跨界去搞金融。从系统和做事方法来看，可能跟金融的要求还是有一些差别的，我们这些公司是金融公司，用信息技术提升业务，所以我们面临的压力比较大，首先要用好技术，第二是更好的提升金融的本质，这是我们面临最大的挑战。周刚慧：大家好，我是兴业银行的，我们兴业银行也快接近成为全牌照的金控公司，和别人不一样，我们是银行控股，别人是金控公司，我们是银行控股。我主业原来是做银行业务多一点，我觉得我们银行业务还是蛮复杂的。过去这两年，技术的发展带来的业务变化对我们银行业影响还是很大，为什么这么讲？比如说移动互联的大发展，造成了第三方支付蓬勃发展。银联以前一家独大，现在已经有点问题了，整个支付体系其实已经有很大的变化。&&& 接下来我们讲金融科技，因为互联网讲完了就是讲金融科技，金融科技一来，谷歌也来了，谷歌CEO今年写了投资的信，区块链、机器学习是两个顶级概念，叫做Top idea，新技术和资本的发展，如果你们注意到的话，金融中国在科技领域融资是全世界第一，我们中国金融发展非常快。新技术和资本最后带来对监管和用户习惯的改变，对这些业务模式的改变非常大。我们银行原来给大家的形象比较保守，你的钱放在我们这里，我们要负责你的资金安全，是比较保守的。过去的创新研发模式，都是基于确定的需求、确定的成熟的技术，基于软件成熟度模型，我们通过这样的开发创新体系来做。现在市场变化非常快，很多事情来不及等你想明白就要做。现在很多项目、很多事情都有一点点研究性质，有可能会失败，有可能不可行，但我必须去做。我们整个研究和创新体制在这个时候就要开始有一些转变。&&& 大家碰到的挑战，不仅仅是新技术本身，因为任何东西，我们讲这些技术的变化，不单带来技术的变化，而且带来管理的变化和业务模式的变化，这是整个一条线，应该说我们有受到比较大的挑战，当然也没有什么，正确的路做下去总是能做好。方兴：在金融机构内做IT技术，最大的挑战是日益增长的业务创新需求和IT资源中间的矛盾，这确实是一直困扰我们比较多的问题。我非常同意前面俞总介绍的，金融机构做IT，很容易被定义成业务支撑或者业务响应型的，业务部门有需求，IT来响应，这种模式对绝大多数是可以的，但往往是处于被动状态，业务期非常紧，给到IT时间非常少，IT如果之前没有好的积累，就靠新的需求来想什么样的平台、什么样的技术手段去实现，这个难度就很大了。&&& 我们可以看到华为，每年10%的营业收入是投入到研发当中，相信在金融机构里面远远做不到。华为开发一个新的系统，要求70%以上的技术是要使用成熟的技术，这个成熟技术我觉得主要来自两个方面：一个是前一代系统的积累，另外很大一块是在平时需要做一些原形的开发，做技术的论证，必要的时候要引进人才，做一些队伍的储备，这我们如何转变成技术引领型的IT定位，这对我们金融机构是一个很大的挑战。&&& 第二点，对我们企业来说，我们是强监管的行业，监管部门也好，我们的客户也好，对我们的要求是不能出差错，应用软件质量的保证也是对我们机构很大的挑战。现在我们大部分的系统都强调高可用、高并发和高响应速度，但是往往在“可用性”方面考虑不够，这样一个应用系统开发出来了，后面的维护非常困难，我们看到很多系统都是并发无序的系统，要做一个测试很困难，需要投入一个测试团队，可能需要一个月时间很辛苦的做测试才能完成一次算是比较全面的回归测试，所以软件质量的保证我觉得是比较难的。这次深交所上市第五代交易系统，他们引入自动化测试工具，很好的解决这个问题，他的测试案例当中99%的案例是通过自动化测试跑的，所以做一轮回归测试基本上两天时间就可以做完。未来系统架构的设计需要充分考虑系统可维护性的要求，让系统在本身架构上面就可以比较好的支撑自动化测试，这对我们未来也是比较大的挑战。史光伟：感谢，其实我也深有同感，尤其是最近一两年，我深深地感觉到这个技术的挑战非常大，挑战主要有两点，跟大家的感受差不多。第一点，业务部门提的要求对于技术实现的难度也在增大，随着监管要求的提高，随着市场数据量指数性的上升，传统的一些技术难以应付现在的量，这时候可能就得寻找一些新的技术，比如说大数据，比如说要寻找一些大并发的解决方案。另外一方面，市场上的技术发展过程中也有突飞猛进的技术，像区块链、大数据、机器学习这些技术，你还不知道这些技术潜力和边界在哪里，市场上可能没有非常成熟的应用，比如说除了AlphaGo，还没有那么成熟，但是你知道他是有潜力的，也可以考虑，对于技术的压力，要跟踪维持很多方面的新技术，而且对于新技术的研究来说，也不是一天两天就能行的，往往对于区块链、大数据、机器学习的研究，可能都是需要一年、两年的技术积累和沉淀才能使用，所以这一块投入是非常大的。&&& 我想问一问技术供应商，咱们在这些方面这两年有什么打算和想法吗？在金融科技方面的研究上。王习平：就像刚才史总说的，新技术现在层出不穷，我们当然也要做一些准备，在这里就汇报一下我们这几年以及未来的一些想法。&&& 我们两年前成立了一个技术研发部，主要的职能就是跟踪新技术，尝试着把这些新技术准备好用于这个市场，服务这些行业。现在正在研究的技术有大数据方面的，大数据方面主要是研究底层的数据实现、降维等等，后面还有相关的机器学习。另外一方面，我们还研究移动互联技术，包括尝试看看能不能在时间和空间上把交易做得更便捷。另外，地方一些新生的技术，提升我们目前现有交易模式的性能和处理能力，包括FPDA、高并发的，甚至无连接的交易等等，这些也是一个研究的范围。应该说，在移动互联这上面已经有一个比较成熟的产品，在短期内就可以推出来。在区块链、大数据这方面，现在在交易所已经有一个项目要投入运用了，就是关于大数据分析监管的，这样一个监管平台和信息平台的项目我们已经开始立项做这个事情了。这方面如果有比较好的应用方式出来，也可以服务于整个行业。邢向飞：我们也是两个面向，面向市场这块，易盛这两年组建了易盛云，在郑州、上海以及其他几个城市建了骨干节点，投资者接入易盛云以后，就可以方便的进行全球路由，到全球任何一家交易所。目前我们在香港的数据机房也提供这些服务。&&& 另外，面向交易所这一块，我们也做了技术预研的工作，比如说FPDA的预研项目我们已经结项了，做低延时的网关和高速运行，这方面FPDA怎么应用，包括我们做下一代的系统，我们通过预研，如果做FPDA，真正的引入到我们的技术系统，可能还是需要合作伙伴，靠我们自己的力量中间的道路非常漫长。通过考察看到，如果改造我们证商所的系统，今天厂商也过来了，一秒钟的逻辑，200万笔并发流的工作是正常的，这种改造如果能够完成，很多资金的检查可以放到这种前置机上做，下一步实现交易所的分布撮合，分品种撮合甚至分布式撮合。&&& 另外，大数据方面，易盛最近两年做了证商所的平台，我们把历史数据、交易数据和会员数据进行统计，为证商所科学决策搭建了优质的数据资源环境，目前我们在上面做了一些算法研究和模型搭建，但是这里面还是有很多工作需要做，可能从原始的数据到指标的形成、到复杂的业务逻辑的加载、再到适用的实时的系统，真正产生价值还需要做很多工作。&&& 区块链方面，就是刚才我说到的，就是在场外交易，围绕证商所的场外交易系统，结合我们仓单的交易回购和大宗商品的交易回算业务，我们就是热热身，目前在做这方面工作。刘军：我也想向各位朋友介绍一下飞创公司这几年在研发方面做的工作。我们这种公司的性质本身就应该在研发上多做一些投入，为整个市场的技术发展做一些基础性的工作。同时，我们有切身的需求和需要，因为队伍要成长，团队要成长，产品要推陈出新，所以技术必须先行。我们也在参与China Ledger的技术平台，现在在做基于智能化合约的，就是智能化仓单的原型开发工作。在GPU、FPDA方面的研究也有阶段性成果，我们基于硬件行情的产品也推出来了，相关硬件交易系统也有，但是因为还没有向市场推广，这里面有监管的要求，还没有正式到市场上试用。&&& 大数据主要还是在交易所内部，我们老板给我们提出的要求是如何跟踪客户的交易行为，交易行为分析和历史回放等等。最近我们的研究小组做了一些演示，我觉得还是挺吃惊的，眼前一亮，觉得还是可用的。总体来看，在几个方面，软的、硬的方面，我们还是取得了一些成绩，但是也面临不少挑战。就像各位老总讲的，我们的资源是很有限的，由于业务发展特别快，市场发展特别快，期权也快要推出了，我们的人力还是要优先保证业务的发展，只有保证业务才能考虑发展的问题，所以发展上投入还是不足的。我们也有一个想法，我们这类公司，每年对IT投入是有比例的，以前比例说实在的也有一些水平，所以我们想在新的一年里要真真正正的，不能像华为一样每年拿出90多亿投入，我们也要拿出6%的科研投入，在技术研发上为这个行业做一点贡献。史光伟：咱们下一步的金融科技比较感兴趣的领域有哪一些？俞枫：按照我们的理解，为什么这么热，我们认为金融科技主要以大数据为基础，以科技为手段，构建一些新的金融服务的类型。因为这个思路，我们两年前搭建了大数据平台，今年也有很多产出，包括推出了数据产品相应的运行指标。我们的思路是两个，一个是客户，经营客户画像，每个客户可以画600多和维度的像。第二是对系统画像，对系统的安全和运行各个方面进行画像。倒过来可以做几件事，第一是基于客户画像可以